2 篇文档带有标签「instruction-tuning」

数据格式、chat template 与 loss mask，把 base model 训成能听指令的 instruct model

本章节范围：把 06 章训出来的 base model 变成能听懂指令、回答有用、行为安全的 instruct/aligned model。两步：SFT (instruction tuning) 教模型听指令，RLHF / DPO 等对齐方法让回答符合人类偏好。